محققان دانشگاه دوک توانستند از هوش‌مصنوعی برای شناسایی بیش از ۲۰۰ گونه پرنده استفاده کنند.

به گزارش خبرنگار حوزه دریچه فناوری گروه فضای مجازی باشگاه خبرنگاران جوان، یک تیم تحقیقاتی از دانشگاه دوک، با استفاده از سیستم‌های پیشرفته هوش‌مصنوعی و ثبت ۱۱۷۸۸ عکس از ۲۰۰ نوع پرنده متفاوت، سیستم شبکه‌عصبی شبیه‌ساز خود را طوری طراحی کردند تا بتواند گونه‌های مختلف پرندگان را از روی این تصاویر تشخیص دهد.

با استفاده از این تصاویر، سیستم قادر است تا در صورت مشاهده عکس یک پرنده ناشناس با بررسی الگو‌های ظاهری آن و مقایسه این الگو‌ها با تصاویری که از قبل به سیستم داده شده است، نوع پرنده را شناسایی کند.

این سیستم به گونه‌ای طراحی شده است که بتواند با بیان توضیحات به کاربر دلیل انتخاب و گروه‌بندی پرنده را نشان دهد. به‌ طور مثال گونه‌ای از پرندگان به نام سسک روپوشدار، از روی رنگ پر‌های صورت آن که شبیه ماسک است و شکم زردش شناسایی می‌شود.

لازم‌ به‌ ذکر است که مطالعات روی رفتارشناسی حیوانات از جمله پرندگان، همواره کاری بسیار سخت و هزینه‌بر بوده و بسته به جمعیت گونه مورد نظر و تعداد رفتار‌های مدنظر گروه مطالعاتی جهت بررسی، می‌تواند بسیار وقت‌گیر باشد. همچنین روش‌های متداول امروزی نظیر نصب نوار‌های شناسایی رنگی به پای پرندگان، برای این حیوانات به شدت استرس زا و مضر است. درنتیجه دستاورد‌های جدیدی که در زمینه هوش‌مصنوعی برای شناسایی این گونه‌های جانوری و بدون دخالت مستقیم انسان، قدم بسیار بزرگی در این شاخه علمی محسوب می‌شود.

تشخیص پرندگان

کاربردهای دیگر این سیستم هوش‌مصنوعی تشخیص‌دهنده تصاویر

دستیابی به سیستمی که بتواند در زمینه تشخیص حیوانات با حداقل درگیری مستقیم انسان کمک کند پیشرفت علمی مهمی محسوب می‌شود، با این‌ وجود بر اساس گفته‌های یکی از اعضای این گروه تحقیقاتی به نام رودین، هدف اصلی این پروژه بیشتر توانمندسازی یک سیستم هوش‌مصنوعی در تشخیص و تصویر‌سازی درست از روی عکس‌های نشان‌داده شده به آن سامانه است و انجام پروژه تشخیص و نام‌گذاری پرندگان، صرفاَ در راستای پیشبرد این هدف بوده است.

همچنین قرار است برای پروژه‌های بعدی، این تیم از سیستم طراحی شده خود در جهت تشخیص و طبقه‌بندی تصاویر پزشکی از جمله ماموگرافی استفاده کند. به این صورت که سیستم تصاویر ورودی را در راستای علائم سرطان‌ سینه بررسی خواهد کرد و درصورت تشخیص چنین علائمی، ضمن نشان دادن محل دقیق مشاهده آن، ضایعه شناسایی شده را در یکی از دسته‌های خوش‌خیم و یا بدخیم گروه‌بندی کرده و به اطلاع پزشک و تیم تحقیقاتی برساند.

 


بیشتر بخوانید


انتهای پیام/

اخبار پیشنهادی
تبادل نظر
آدرس ایمیل خود را با فرمت مناسب وارد نمایید.
آخرین اخبار